Ling-3.1-flash wurde am 15. Oktober 2026 von Ant Groups Ling-Team offiziell als Open Source freigegeben; die Gewichte liegen auf Hugging Face und ModelScope. Das Modell war am 30. September gestartet, die Testphase endete am 14. Oktober. Was heute ankommt, sind die vollständigen Gewichte samt dem vollen Kontext von einer Million Token – der Schritt, der es Teams erst erlaubt, das Modell in eigene Systeme einzubauen.
Zuerst die Betriebshürde: 560B Umfang, 25B aktiv
Ling-3.1-flash führt die hybride lineare Architektur von Ling-3.0-flash fort, mit rund 560 Milliarden Parametern insgesamt, etwa 25 Milliarden aktiv pro Token und einer Kontextobergrenze von einer Million Token. Die offizielle Modellkarte nennt als Referenzbetrieb acht H200- oder vier GB300-GPUs und stellt Bereitstellungswege für SGLang und vLLM bereit. Für einen persönlichen Rechner ist das erkennbar nicht gedacht, doch das Aktivierungsverhältnis senkt den Rechenaufwand jeder Inferenz gegenüber einem dichten Modell ähnlicher Größe. Die Richtung ist das Gegenstück zu MiniCPM-V 4.7, das ein multimodales Modell in den Speicher eines Telefons quetschte: Das eine schrumpft das Modell, bis das Endgerät es schafft, das andere macht ein großes Modell im Rechenzentrum bezahlbar betreibbar.
Kennzahlen bitte zerlegt lesen: Stärke bei Büroarbeit und Ablieferung, nicht nur in der Gesamtpunktzahl
In den öffentlichen Tests von Artificial Analysis erreicht Ling-3.1-flash einen Intelligenzindex von 41, eine Ausgabegeschwindigkeit von rund 210 Token pro Sekunde und einen Mischpreis von etwa 0,19 Dollar pro Million Token. Aussagekräftiger für die Positionierung sind die Szenario-Werte: 1673 Punkte im Büroarbeits-Benchmark GDPVal-AA V2.1 und 65,35 im medizinischen HealthBench Professional, dazu entsprechende Ergebnisse in Softwaretechnik- und Terminal-Benchmarks. In den Vorführungen des Anbieters verwandelte es verstreutes Zahlenmaterial in bearbeitbare Tabellen und eine interaktive Seite, las alten Code, schrieb neue Funktionen und korrigierte sie anhand der Testergebnisse weiter. Der Sinn dieser Freigabe liegt weniger in der Parameterzahl als darin, dass Teams nun auf eigenen Aufgabensätzen prüfen können, wie oft das Modell unscharf formulierte Geschäftsaufträge tatsächlich zu Ende bringt.
Bevor die Gewichte in Produktion gehen, lohnen sich drei Prüfungen vorab. Erstens ein Vergleich mit kleiner Stichprobe auf den eigenen Büro- und Entwicklungsaufgaben, bei dem zählt, ob sich das Modell nach einem Fehler mitten in einer langen Aufgabe wieder fängt, statt nur Einzelantworten zu bewerten. Zweitens Kostenmessung mit dem realen Anteil voller Million-Token-Aufrufe, denn Rechnung und Latenz verändern sich spürbar, wenn der Kontext ausgereizt wird. Drittens in Hochrisikobereichen wie der Medizin nur Hilfsschritte wie das Ordnen von Vorgeschichten und Fragenlisten, während formale Schlussfolgerungen weiter durch fachliche Prüfung laufen. Erst nach diesen drei Schritten lässt sich beurteilen, ob das Modell den Platz im bestehenden Arbeitsablauf verdient.
